The invention provides an artificial intelligence detection method for smoking behavior based on machine vision, which includes: constructing a CNN feature extraction algorithm, which abstracts the underlying features into high-level features according to the non-linear relationship through a large number of simple neurons; constructing a detection model, which is a multi-scale feature extraction model composed of three CNNs. Compared with the existing technology, the invention has the advantages of: It has the following beneficial effects: it can be monitored for a long time to avoid the negligence, omission or misjudgement of hidden safety hazards of manual detection.
【技术实现步骤摘要】
一种基于机器视觉的吸烟行为人工智能检测方法
本专利技术是一种基于机器视觉的吸烟行为人工智能检测方法,属于人工智能检测
技术介绍
在施工现场,吸烟作为一种最常见的人员不安全行为,是产生火灾的重要隐患来源。然而,长期以来,我国施工区作业人员普遍存在综合素质低、安全意识不强的问题,尤其存在侥幸心理,大大增加了现场安全风险。传统的人工监管存在如下缺点:一、人力成本增加;二、人工长时间监控易疲劳,致使监控的疏忽、遗漏或者误判安全隐患;三、人工监控和人员情绪、状态、工作经验、性格和生活条件的影响,容易在监管治理过程中产生矛盾,引发其他不和谐事件的产生。因此,人工检查存在监管费用高、主观干扰大、不能全程监控等一系列问题。
技术实现思路
针对现有技术存在的不足,本专利技术目的是提供一种基于机器视觉的吸烟行为人工智能检测方法,以解决上述
技术介绍
中提出的问题。为了实现上述目的,本专利技术是通过如下的技术方案来实现:一种基于机器视觉的吸烟行为人工智能检测方法,包括:构建CNN特征提取算法,该算法通过大量的简单神经元组成,根据非线性关系将底层特征抽象表示为高层特征;构建检测模型,是由三个CNN组成的多尺度的特征提取模型。进一步地,在构建CNN特征提取算法中:深度学习是通过大量的简单神经元组成,根据非线性关系将底层特征抽象表示为高层特征,卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,而每个平面包括多个独立神经元,网络中由一些简单元和复杂元组成,分别记为S-元和C-元。进一步地,在构建检测模型中,每个CNN模型共有八层,其中有五个卷积层和三个全连接层,对于每一张图片 ...
【技术保护点】
1.一种基于机器视觉的吸烟行为人工智能检测方法,其特征在于:包括:构建CNN特征提取算法,该算法通过大量的简单神经元组成,根据非线性关系将底层特征抽象表示为高层特征;构建检测模型,是由三个CNN组成的多尺度的特征提取模型。
【技术特征摘要】
1.一种基于机器视觉的吸烟行为人工智能检测方法,其特征在于:包括:构建CNN特征提取算法,该算法通过大量的简单神经元组成,根据非线性关系将底层特征抽象表示为高层特征;构建检测模型,是由三个CNN组成的多尺度的特征提取模型。2.根据权利要求1所述的一种基于机器视觉的吸烟行为人工智能检测方法,其特征在于:在构建CNN特征提取算法中:深度学习是通过大量的简单神经元组成,根据非线性关系将底层特征抽象表示为高层特征,卷积神经网络是一个多层的神经网络,每层由多个二维平面组成,...
【专利技术属性】
技术研发人员:张军,刘育宝,高涛,于克民,陈健民,张剑平,刘相涛,姚亦飞,张吉,唐屹,李世英,接玉文,
申请(专利权)人:中国建筑第八工程局有限公司,北京蓝鼎智联科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。